Tutorial Ultra-Concentrado de R e aRT Pedro Ribeiro de Andrade DSA/CCST/INPE São José dos Campos, 2009.

Apresentação em tema: "Tutorial Ultra-Concentrado de R e aRT Pedro Ribeiro de Andrade DSA/CCST/INPE São José dos Campos, 2009."— Transcrição da apresentação:

1 Tutorial Ultra-Concentrado de R e aRT Pedro Ribeiro de Andrade DSA/CCST/INPE São José dos Campos, 2009

2 Apresentação  Professor: Pedro Ribeiro de Andrade Assitentes: Miguel Monteiro e Giovana Espindola  http://wiki.dpi.inpe.br/doku.php?id=geopro:pedro:cursoart  4 aulas de 3 horas  Aula 1: Introdução ao R  Aula 2: Introdução ao Pacote sp  Aula 3: Introdução ao aRT  Aula 4: aRT avançado

3 O que é o aRT? SGBD

4 Aula 1: Introdução ao R Pedro Ribeiro de Andrade DSA/CCST/INPE São José dos Campos, 2009 Apresentação baseada no curso “Introdução ao R” (http://www.leg.ufpr.br/Rtutorial/)http://www.leg.ufpr.br/Rtutorial/

5 www.r-project.org

6 Sobre o R  Linguagem e ambiente  Software livre  Similar à linguagem e ambiente S  Multiplataforma ctl <- c(4.17,5.58,5.18,6.11,4.50,4.61,5.17,4.53,5.33,5.14) trt <- c(4.81,4.17,4.41,3.59,5.87,3.83,6.03,4.89,4.32,4.69) group <- gl(2,10,20, labels=c("Ctl","Trt")) weight <- c(ctl, trt) anova(lm.D9 <- lm(weight ~ group)) summary(lm.D90 <- lm(weight ~ group - 1)) opar <- par(mfrow = c(2,2), oma = c(0, 0, 1.1, 0)) plot(lm.D9, las = 1)

7 Interface gráfica X Linguagem de programação  Curva de aprendizado mais lenta  Flexibilidade  R em específico: métodos refletindo o estado-da-arte  Reprodutibilidade : “the ability of a test or experiment to be accurately reproduced, or replicated, by someone else working independently.”

8 “Como você fez isto?”

9 “Foi um mapa de kernel...”

10 “Foi um kernel quártico 100x100 com raio 2” k = kernel2d(as.points(bod), bod$poly, h0=2, nx=100, ny=100) plot(bod$poly, asp=1, type="n") image(k, add=TRUE, col=terrain.colors(20)) pointmap(as.points(bod), add=TRUE) polymap(bod$poly, add=TRUE)

11 Sweave: Reproducible Research Finally we will do a kernel analysis [...] >= raster =kernel2d(as.points(bod), bod$poly, h0=2, nx=100, ny=200) layer.raster <- createLayer(db, l="raster") addRaster(layer.raster, raster) @ To get the layer's geometry call getGeometry [...] >= plot(layer.raster) plot(layer.points,add=TRUE) plot(layer.pol, add=TRUE) @ http://www.leg.ufpr.br/~pedro/aRT/docs/aRTintro.html

12 Instalação: “R U ready?”  CRAN  Binários: base e contrib  Problemas com Windows Vista (instalar na sua própria pasta)

13 R como uma calculadora 1+2+3 2+3*4 3/2+1 4*3**3 sqrt(2) sin(3.14159) sin(pi) sqrt(tan(45*pi/180))

14 Operadores Lógicos 1 == 2 1 != 2 1 <= 2 1 < 2 1 > 2 1 >= 2 T & T T & F T | T T | F ((1 == 2) |(2 > 1)) & (4 >= sqrt(tan(45*pi/180)))

15 Variáveis x <- sin(pi) x x = sin(pi) sin(pi) -> x y <- sqrt(5) y+x x <- 25 x * sqrt(x) -> x1 x2.1 = sin(x1) x2.2 = cos(x1) xsq = x2.1**2 + x2.2**2

16 Vetores x <- c(2,3,5,7,11) y <- c(x,13,17,19) xx <- 1:10 xx <- 100:1 seq(1,10,1) seq(1,10,2) seq(10,1,-3) rep(1,10) rep(c(1,2),10) rep(4:1,1:4) rep(c(23, 32, 42), c(3, 1, 2))

17 Operações com Vetores x <- 1:10 x + 2 sqrt(x) y <- 21:30 x+y y <- c(1,2) x+y length(x) rev(x) summary(x) x**x

18 Índices de Vetores x[2] y <- x[c(1,3,5)] x[4:7] x[12] x <- c(6,5,6,4,4,3,4,2,3,4) y <- c(5,3,4,2,6,5,4,5,4,3) xeq4 <- x == 4 y[xeq4] x[-3] x[-c(3,4,7)] x[y]

19 Funções seq(1,27,3) seq(from=1,to=27,by=3) seq(from=1,to=27,length=4) seq(f=1,t=27,l=4) seq(t=27,l=4, f=1) seq(1,4) seq(1) seq() sqrt() ?seq

20 Matrizes x <- 1:12 xmat <- matrix(x,ncol=3) matrix(x,ncol=3,byrow=T) dim(xmat) summary(xmat) summary(as.numeric(xmat)) x1 <- matrix(1:6,ncol=2) x2 <- matrix(6:1,ncol=3) x1*x2 x1 %*% x2 t(x1)*x2

21 cbind e rbind COLUMNbind e ROWbind x <- matrix(10:1,ncol=2) y <- cbind(x,1:5) y <- rbind(y,c(99,99,99)) z <- cbind(y,rep(88,6),y) z <- cbind(y,88,y)

22 Acesso a Matrizes people <- cbind(c(1,2,3,4,5,6),c(43,55,52,23,46,25)) people[1,2] people[1:2,2] people[1,] people[,2] people[-3,] people[people[,2]>50,] people <- people[,c(2,1)]

23 Matrizes xc = round(runif(10), 2) yc = round(runif(10), 2) xy = cbind(xc, yc) rownames(xy) colnames(xy) rownames(xy)=1:10 xy["2",] # aspas duplas ou simples xy[,"xc"] rownames(xy)=2:11 xy[2:4,] xy[paste(2:4),]

24 Data frame music=read.table("http://www.leg.ufpr.br/Rtutorial /Data/music.dat", sep=",", row.names=1, quote="", as.is=TRUE) music[,3] music[2,] music$V5 names(music) <- c('Artist','Title','Ntracks','Format') music[1:2, "Artist"] music[["Artist"]] rownames(music) music <- cbind(music,Rate=c(7,6,9,10,9,8,8))

25 Listas person<-list(age=21, name='Fred', score=c(65,78,55)) person$name person$score[2] person[[1]] tt <- t.test(rnorm(1000,mean=1), rnorm(1000,mean=1.2), var.equal=T) is.list(tt) names(tt) tt$p.value tt$estimate

26 Estruturas de dados  Vetor: coleção unidimensional com valores do mesmo tipo  Matriz: mxn com valores do mesmo tipo  Data Frame: mxn com mesmo tipo em cada coluna  Lista: coleção de vetores de tamanhos distintos

27 Plotagem x <- 1:20 y <- x**3 plot(x,y) plot(x,y,type="l") # tente também “b”, “o”, “s”, “c”, “h” plot(x,y) points(rev(x),y) lines(x,8000-y, col="blue", lwd=5) plot(x,y) points(rev(x),y,pch=3, col="red") points(x,8000-y,pch="$")

28 Plotagem plot(1:20, 1:20, pch = 1:20) plot(x,y) lines(x,y,lwd=4) lines(rev(x),y,lty=2) plot(c(0,20),c(-8000,8000),type='n') lines(x,y) lines(x,-y) plot(x,y,xlab="Eixo X aqui",ylab="Eixo Y aqui") title("Título vai aqui!") text(6,4000,"Texto em qualquer lugar")

29 Plotagem plot(sin, -pi, 2*pi) hist(c(2,2,2,2,2,3,3,3,4,4,5,5)) barplot(table(c(2,2,2,2,2,3,3,3,4,4,5,5))) barplot(table(c(2,2,2,2,2,3,3,3,4,4,5,5)), hor=T) par(mfrow=c(2,2)) plot(x,y) plot(x,log(y)) plot(rev(x),y) plot(rev(x), rev(y)) par(mfrow=c(1,1))

30 Salvando gráficos jpeg(...)... dev.off() bmp(...)... dev.off() png(...)... dev.off()